一种改进的基于联邦学习的异常用电检测系统及方法与流程

本申请涉及异常用电检测，尤其涉及一种改进的基于联邦学习的异常用电检测系统及方法。

背景技术：

1、随着科学技术的发展，“能源革命”和“数字革命”的融合发展已经拓展出电力发展新业态。作为智能电网的重要设备，智能电表的出现和普及，带来了用电信息采集方式的变革，产生了海量的数据。电力行业大数据中蕴含了大量的事件信息，通过使用人工智能、大数据、云计算等技术，挖掘其中的异常用电信息，有助于我们精准识别用电异常设备点位，及时排查相关故障，保证电网安全，降低企业损失。

2、智能电表采集相关数据后，通过网络将数据上传区域的数据中心，进行用电信息的汇总。但在利用这些数据时仍然存在诸多的问题：区域中心利用本地数据训练的模型较差，准确率较低；不同区域中心的信息共享率低，易形成数据孤岛；部分区域中心算力不足，不足以支撑大规模数据训练；数据在传送和使用过程中安全性难以保证等。

3、因此，现有用电异常的检测当中存在区域中心算力不足、数据信息共享难等现实问题，此外，现有的基于联邦学习的异常用电检测一般采用单一的加密算法进行数据传送过程中信息的加密，来保证信息的安全性。但是在实际应用过程中，这些算法均存在着一定的局限性。

技术实现思路

1、针对现有技术的上述不足，本发明提供一种改进的基于联邦学习的异常用电检测系统及方法，以解决上述技术问题。

2、第一方面，本申请提供了一种改进的基于联邦学习的异常用电检测系统，系统包括：区域中心模块，用于获取并存储智能电表上传的用户用电信息；从大区域中心模块获取初始数据模型，并利用采集的用户用电信息进行模型的训练，以获得模型更新信息；向大区域中心模块上传发送请求，以获取大区域中心模块下发的加密aeskey；利用预设加密算法和加密aeskey，加密上传模型更新信息；从大区域中心模块获取全局数据模型，以通过训练好的数据模型处理用户用电信息，检测异常用电情况；大区域中心模块，用于存储及下发初始数据模型；获取发送请求，以下发加密aeskey；获取各个区域中心上传的模型更新信息，以更新初始数据模型，获得全局数据模型；以及下发全局数据模型。

3、进一步地，区域中心模块包括：第一加密交换单元；用于向大区域中心模块上传发送请求，以获取发送请求对应的公钥pubkey1；以使区域中心模块收到pubkey1后，利用rsa算法生成公钥pubkey2和prikey2；向大区域中心模块上传pubkey2，以获得对应的加密aeskey。

4、进一步地，区域中心模块包括：第一处理单元；用于使用prikey2对接收到的加密aeskey进行解密，得到进行联邦学习数据和信息交换的aeskey；下载加密的最新的数据模型，利用aeskey解密后使用本地历史数据进行数据模型的训练，利用训练好的数据模型处理用户用电信息，检测异常用电情况；利用aeskey加密处理好的模型更新信息。

5、进一步地，大区域中心模块包括：第二加密交换单元；用于在获得发送请求后，利用rsa算法生成公钥pubkey1和私钥prikey1，并将pubkey1返回区域中心模块；在获得区域中心模块对应的pubkey2后，利用aes算法生成大区域中心模块对称密钥aeskey，后利用pubkey2进行加密，获得加密aeskey，返回加密aeskey给区域中心模块。

6、进一步地，大区域中心模块包括：第二处理单元；用于利用aeskey对获得的数据进行解密处理；利用各区域中心模块上传的模型更新信息进行全局模型的更新；利用aeskey加密更新的数据模型，并分发给各区域中心模块。

7、第二方面，本申请提供了一种改进的基于联邦学习的异常用电检测方法，方法包括：通过区域中心获取并存储智能电表上传的用户用电信息；从大区域中心获取初始数据模型，并利用采集的用户用电信息进行模型的训练，以获得模型更新信息；向大区域中心上传发送请求，以获取大区域中心下发的加密aeskey；利用预设加密算法和加密aeskey，加密上传模型更新信息；从大区域中心获取全局数据模型，以通过训练好的数据模型处理用户用电信息，检测异常用电情况；通过大区域中心存储及下发初始数据模型；获取发送请求，以下发加密aeskey；获取各个区域中心上传的模型更新信息，以更新初始数据模型，获得全局数据模型；以及下发全局数据模型。

8、进一步地，向大区域中心上传发送请求，以获取大区域中心下发的加密aeskey，具体包括：用于向大区域中心上传发送请求，以获取发送请求对应的公钥pubkey1；以使区域中心收到pubkey1后，利用rsa算法生成公钥pubkey2和prikey2；向大区域中心上传pubkey2，以获得对应的加密aeskey。

9、进一步地，利用预设加密算法和加密aeskey，加密上传模型更新信息，具体包括：用于使用prikey2对接收到的加密aeskey进行解密，得到进行联邦学习数据和信息交换的aeskey；下载加密的最新的数据模型，利用aeskey解密后使用本地历史数据进行数据模型的训练；利用aeskey加密处理好的模型更新信息。

10、本领域技术人员能够理解的是，本发明至少具有如下有益效果：

11、1.在基于联邦学习的异常用电检测方法中，同时兼顾效率和安全性，采取了aes（advanced encryption standard 对称加密算法）+rsa（由三位发明人ron rivest、adishamir和leonard adleman的姓氏的首字母组成，一种公钥密码算法）混合加密的方案，进行区域中心和大区域中心模块（大区数据中心）之间的数据信息交换。

12、2.同时兼顾效率和安全性，解决了在将联邦学习应用到异常用电检测过程中，因单一算法的局限性，或导致密钥安全性不能保证，或数据加解密较复杂，导致系统效率低，应用体验差的问题。

技术特征：

1.一种改进的基于联邦学习的异常用电检测系统，其特征在于，所述系统包括：

2.根据权利要求1所述的改进的基于联邦学习的异常用电检测系统，其特征在于，区域中心模块包括：第一加密交换单元；

3.根据权利要求2所述的改进的基于联邦学习的异常用电检测系统，其特征在于，区域中心模块包括：第一处理单元；

4.根据权利要求1所述的改进的基于联邦学习的异常用电检测系统，其特征在于，大区域中心模块包括：第二加密交换单元；

5.根据权利要求1所述的改进的基于联邦学习的异常用电检测系统，其特征在于，大区域中心模块包括：第二处理单元；

6.一种改进的基于联邦学习的异常用电检测方法，其特征在于，所述方法包括：

7.根据权利要求6所述的改进的基于联邦学习的异常用电检测方法，其特征在于，向大区域中心上传发送请求，以获取大区域中心下发的加密aeskey，具体包括：

8.根据权利要求6所述的改进的基于联邦学习的异常用电检测方法，其特征在于，利用预设加密算法和加密aeskey，加密上传模型更新信息，具体包括：

技术总结
本申请公开了一种改进的基于联邦学习的异常用电检测系统及方法，主要涉及异常用电检测技术领域，用以解决现有的区域中心算力不足、数据信息共享率低等问题。包括：区域中心模块，用于获取并存储智能电表上传的用户用电信息；从大区域中心模块获取全局模型，并利用采集的用户用电信息进行模型的训练；利用预设加密算法加密上传模型更新信息；从大区域中心模块获取数据模型，以通过训练好的数据模型处理用户用电信息，检测异常用电情况；大区域中心模块，用于存储、更新以及下发训练模型；获取区域中心上传的模型更新信息。

技术研发人员：蔡振聪,魏柳,王颖,焦心愿,孟雨,张治志,冯德超,孙璐,利润霖,邢晓林
受保护的技术使用者：国网信息通信产业集团有限公司
技术研发日：
技术公布日：2024/1/16